基于Spark平台的高血压药物推荐及疗效预测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究背景与意义 | 第12-13页 |
| ·相关研究现状 | 第13-16页 |
| ·高血压领域研究现状 | 第13-15页 |
| ·数据挖掘领域研究现状 | 第15页 |
| ·大数据领域研究现状 | 第15-16页 |
| ·研究目标和研究内容 | 第16-17页 |
| ·论文结构安排 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 第二章 大数据平台和相关理论介绍 | 第20-30页 |
| ·大数据平台概述 | 第20-25页 |
| ·Hadoop平台 | 第20-22页 |
| ·Spark平台 | 第22-25页 |
| ·数据挖掘理论 | 第25-29页 |
| ·案例推理 | 第25-27页 |
| ·贝叶斯推理 | 第27-28页 |
| ·K-Means聚类 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 构建高血压电子病历数据库 | 第30-36页 |
| ·电子病历概念及发展 | 第30-31页 |
| ·构建高血压电子病历 | 第31-33页 |
| ·高血压电子病历数据预处理 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 高血压药物推荐模型的构建 | 第36-52页 |
| ·高血压病理机制 | 第36-39页 |
| ·血压水平分类 | 第36-37页 |
| ·常用药物及用药准则 | 第37-39页 |
| ·高血压药物推荐模型 | 第39-51页 |
| ·总体设计 | 第40页 |
| ·案例表示 | 第40-41页 |
| ·案例相似度 | 第41-42页 |
| ·案例推理 | 第42-43页 |
| ·贝叶斯推理 | 第43-44页 |
| ·案例修订与保存 | 第44页 |
| ·算法实现 | 第44页 |
| ·实验分析 | 第44-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 高血压药物疗效预测模型的构建 | 第52-66页 |
| ·高血压药物疗效预测模型 | 第52-53页 |
| ·构建患者分层模型 | 第53-55页 |
| ·时间序列聚类模型 | 第55-65页 |
| ·预处理 | 第55页 |
| ·时间序列表征 | 第55-56页 |
| ·时间序列匹配 | 第56页 |
| ·片段差值 | 第56-57页 |
| ·时间序列差值 | 第57-58页 |
| ·聚类分析 | 第58-59页 |
| ·实验分析 | 第59-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 基于Spark平台的并行化实现 | 第66-84页 |
| ·Spark并行化设计基础 | 第66-68页 |
| ·弹性式分布数据集 | 第66-67页 |
| ·共享变量 | 第67页 |
| ·读取mysql数据 | 第67-68页 |
| ·Spark实验平台 | 第68-69页 |
| ·并行化药物推荐模型 | 第69-74页 |
| ·贝叶斯并行化设计与实现 | 第70-71页 |
| ·实验分析 | 第71-74页 |
| ·并行化药物疗效预测模型 | 第74-81页 |
| ·K-Means并行化设计 | 第75页 |
| ·K-Means并行化实现 | 第75-77页 |
| ·实验分析 | 第77-81页 |
| ·药物预测平台 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第七章 总结与展望 | 第84-86页 |
| ·总结 | 第84-85页 |
| ·展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-92页 |
| 攻读硕士学位期间发表的学术论文 | 第92页 |
